Nell’era digitale, i dati si diffondono più velocemente del caffè il lunedì mattina.
Un dipendente riesce in qualche modo ad accedere a dati riservati delle Risorse Umane, oppure invia accidentalmente via e-mail un rapporto finanziario a un soggetto esterno anziché al direttore finanziario, oppure carica un database dei clienti su una chiavetta USB. Oppure, forse peggio ancora, si tratta di un intervento esterno: i dati aziendali vengono resi pubblici da un cybercriminale particolarmente abile.
Sia dall’interno che dall’esterno, le informazioni sensibili delle organizzazioni sono costantemente a rischio, soprattutto ora che l’intelligenza artificiale generativa (GenAI) si sta diffondendo in tutte le funzioni aziendali; una fuga di dati, infatti, innesca solitamente il ben noto ciclo di violazione, risposta, ripristino – seguito da ulteriori investimenti nella sicurezza e dal trasferimento di tali costi sui consumatori.
I tradizionali sistemi di prevenzione della perdita di dati (DLP) di tipo “ ”, progettati per bloccare tali accessi, condivisioni o fughe di dati sensibili, impongono ai team di sicurezza l’onere di creare manualmente regole e politiche che stabiliscano cosa è consentito e cosa non lo è. Tali team devono quindi adeguare e aggiornare tali politiche per stare al passo con l’evoluzione delle minacce, i nuovi tipi di dati e le mutevoli esigenze aziendali. Questo approccio basato su regole comporta spesso elevati tassi di falsi positivi, affaticamento da allarmi, minacce contestuali non individuate e un pesante onere amministrativo a carico dei team di sicurezza.
È proprio in questo ambito che l’intelligenza artificiale può rivoluzionare il modo in cui le aziende tutelano i propri beni più preziosi. Grazie all’apprendimento automatico , all’elaborazione del linguaggio naturale e all’analisi comportamentale , le soluzioni DLP basate sull’intelligenza artificiale possono risultare più adattive e intelligenti, in grado di rispondere in modo più efficace alle minacce ai dati.
Il problema è che tali sistemi richiedono una formazione all’avanguardia. Se il sistema di intelligenza artificiale viene addestrato con dati errati, le conseguenze possono essere disastrose. «È come l’analogia di una persona che parte per un viaggio e si sposta di un grado: a un miglio di distanza non sembra un gran problema, ma quando ci si trova a mille miglia di distanza, diventa un problema enorme», afferma Eric Vanderburg, presidente della società di consulenza in materia di sicurezza informatica Nexus Cyber, in un’intervista esclusiva con Focal Point.
Oggi la posta in gioco è alta: secondo un rapporto intitolato “ ” ( ), redatto da IBM e dal Ponemon Institute, i costi delle violazioni dei dati nel 2024 hanno raggiunto il massimo storico di 4,88 milioni di dollari, con un aumento del 10 per cento rispetto all’anno precedente. Tuttavia, dal rapporto è emerso che le organizzazioni che utilizzano l’intelligenza artificiale (IA) per la sicurezza e l’automazione riducono il costo delle violazioni di sicurezza in media di 2,2 milioni di dollari.
L’automazione del DLP offre una serie di vantaggi alle organizzazioni, sebbene sussistano ancora alcuni limiti e difficoltà. Ecco ciò che è importante sapere.
I vantaggi del DLP basato sull’intelligenza artificiale
Sebbene le tecnologie di intelligenza artificiale (AI) e di intelligenza artificiale generativa (GenAI) stiano alimentando le violazioni dei dati e costringendo le organizzazioni a rivalutare le misure di sicurezza, esse stanno anche rendendo la sicurezza più intelligente, ha affermato Kevin Skapinetz, esperto stratega di sicurezza informatica ed ex direttore generale del settore software di sicurezza presso l’ IBM in occasione della pubblicazione del loro rapporto lo scorso anno.
«Ciò che l’intelligenza artificiale sta cercando di fare è ciò che gli esseri umani facevano in precedenza: esaminare i dati grezzi e definire le politiche sulla base di essi.»Kevin Skapinetz, socio accomandatario di TechOperators
«Per avere successo, le aziende dovrebbero investire in nuove difese basate sull’intelligenza artificiale ( ) e sviluppare le competenze necessarie per affrontare i rischi emergenti e le opportunità offerte dall’IA generativa», ha affermato Skapinetz, attualmente socio accomandatario della società di venture capital TechOperators, specializzata nel settore della sicurezza informatica.
Innanzitutto, l’intelligenza artificiale semplifica il processo di creazione delle regole che un sistema DLP tradizionale potrebbe gestire con difficoltà. «In sostanza, ciò che l’intelligenza artificiale sta cercando di fare è proprio ciò che facevano prima gli esseri umani: analizzare i dati grezzi e definire le politiche sulla base di essi», ha osservato. «L’intelligenza artificiale svolge questo compito in modo molto efficace, una volta completato un periodo di addestramento che le consenta di comprendere.»
Inoltre, l’intelligenza artificiale consente al DLP di comprendere meglio il contesto e il comportamento. Un sistema DLP tradizionale potrebbe bloccare tutte le e-mail contenenti il termine “riservato”, anche se si tratta di un documento autorizzato, mentre un sistema DLP basato sull’intelligenza artificiale sarà in grado di riconoscere se il documento viene condiviso in modo sicuro all’interno dell’azienda.
Tali distinzioni consentono di ridurre i falsi positivi.
«Se una persona riceve molti avvisi e si tratta sempre di falsi positivi, potrebbe semplicemente inserire nella lista bianca il prossimo avviso che riceve senza nemmeno esaminarlo attentamente», afferma Vanderburg. “«È quello che succede quando si è affaticati», afferma. «Ma le intelligenze artificiali non si affaticano.»
L'intelligenza artificiale è inoltre in grado di analizzare una serie di fattori che vanno oltre il semplice contenuto, quali il comportamento degli utenti e i modelli di connessione, al fine di individuare potenziali episodi di perdita di dati. Se, ad esempio, un utente si collega solitamente dal proprio ufficio a casa in Oklahoma alcuni giorni alla settimana, l’intelligenza artificiale lo riconosce. Se, tuttavia, l’utente dovesse improvvisamente iniziare a connettersi dalla Liberia, l’intelligenza artificiale segnalerebbe il caso, afferma Vanderburg.
Vi sono anche vantaggi in termini di conformità. Poiché le intelligenze artificiali registrano ogni decisione, questi dati forniscono una chiara motivazione per le azioni di sicurezza – un elemento che spesso manca nei processi gestiti dall’uomo, afferma Vanderburg. È inoltre utile in caso di violazione dei dati, in quanto consente alle organizzazioni di difendersi dalle sanzioni normative dimostrando di aver agito con la dovuta diligenza e di aver adottato precauzioni ragionevoli, aggiunge.
Tutti questi fattori riducono il carico operativo a carico dei team di sicurezza, afferma Vanderburg. «L’intelligenza artificiale può migliorare il livello di sicurezza complessivo dell’organizzazione e, in alcuni casi, consente all’organizzazione di riassegnare le risorse», afferma. «Chi ha il compito di monitorare costantemente il DLP è in grado di svolgere questa parte del proprio lavoro in modo molto più efficiente», afferma.
Il DLP avanzato richiede un addestramento intelligente dell'IA
Sebbene il DLP basato sull’intelligenza artificiale offra numerosi vantaggi, vi sono aspetti importanti da considerare per i team di sicurezza, afferma Candy Alexander, CISO e responsabile del settore dei rischi informatici presso la società di consulenza tecnologica NeuEon, in un’intervista esclusiva rilasciata a con Focal Point. Innanzitutto, occorre comprendere che queste soluzioni devono essere addestrate.
«Se i vostri [dati] di addestramento sono di scarsa qualità all’inizio, potreste non accorgervene più di tanto, ma dopo 12 mesi, improvvisamente risulteranno davvero distorti e pessimi.»Eric Vanderburg, presidente di Nexus Cyber
«L’intelligenza artificiale è come uno stagista che ha un’idea di ciò che dovrebbe fare, ma non lo sa esattamente», afferma. «L’intelligenza delle IA dipende esclusivamente da come le si addestra – e ciò richiede una governance dei dati efficace e .»
Per addestrare efficacemente l’intelligenza artificiale, le aziende necessitano di una solida visibilità di rete , che consenta di comprendere chiaramente quali dati esistono, dove si trovano e come proteggerli, afferma Alexander. Dovrebbero essere in grado di identificare i dati aziendali critici, i dati operativi e i dati soggetti a normative; valutare quali dati comportino i maggiori rischi in termini di sicurezza e conformità in caso di divulgazione; e classificare i dati in modo appropriato affinché il sistema DLP possa individuare ( Detect), monitorare e proteggere con precisione le informazioni sensibili.
In un’epoca in cui i dirigenti aziendali che stanno valutando l’adozione dell’intelligenza artificiale provano un forte senso di FOMO, è difficile resistere alla tentazione di adottare rapidamente l’intelligenza artificiale e di risolvere in un secondo momento eventuali problemi che potrebbero sorgere. La necessità di «procedere con cautela» ricadrà inevitabilmente sui responsabili della sicurezza dell’ , i quali dovranno valutare (e comunicare in modo efficace ai dirigenti aziendali) le conseguenze a lungo termine dell’intelligenza artificiale.
«Con l’intelligenza artificiale, se l’addestramento iniziale è inadeguato, all’inizio potreste non accorgervene più di tanto, ma dopo 12 mesi, improvvisamente, i risultati risultano davvero distorti e pessimi», afferma Vanderburg.
Ecco perché è fondamentale anche aggiornare e verificare costantemente questi sistemi, aggiunge; non è possibile configurarli una volta per tutte e poi non occuparsene più.
Un prerequisito del DLP: mantenere le persone coinvolte nel processo
Le preoccupazioni relative alla possibilità che l’intelligenza artificiale sostituisca i lavoratori umani sono presenti praticamente in ogni discussione sull’intelligenza artificiale. E sebbene le soluzioni basate sull’intelligenza artificiale siano estremamente avanzate, almeno nel campo del DLP, la supervisione umana rimane un requisito fondamentale.
«L’intelligenza artificiale è come uno stagista che ha un’idea di ciò che dovrebbe fare, ma non lo sa esattamente.»Candy Alexander, CISO e responsabile del settore dei rischi informatici presso NeuEon
«Le organizzazioni hanno ancora bisogno di un intervento umano», afferma Alexander. “Tornando all’esempio dello stagista, lo stagista è una persona affidabile? Hanno ricevuto una formazione adeguata per portare avanti il progetto? «Non si concedono automaticamente ai tirocinanti i privilegi di amministratore su tutti i propri sistemi.»
Gli esseri umani sono ancora necessari per vagliare determinate anomalie e falsi positivi, correggere gli errori e adeguare alcune politiche, afferma.
E sebbene l’intelligenza artificiale stia aiutando le organizzazioni a migliorare l’efficienza nella prevenzione della perdita di dati, essa pone anche nuove sfide, poiché gli autori degli attacchi sfruttano la stessa tecnologia per elaborare minacce sempre più sofisticate, afferma Vanderburg. «Sarà un po’ come un gioco al gatto e al topo: noi utilizziamo l’intelligenza artificiale, gli aggressori utilizzano l’intelligenza artificiale», afferma. «Potrei immaginare una situazione in cui gli aggressori cerchino di inserire dati spazzatura nei sistemi di intelligenza artificiale e di generare falsi allarmi generati dall’IA per provocare affaticamento.» «Se non ci sono abbastanza persone che controllano la situazione, potreste trovarvi nei guai.»
Per le organizzazioni che stanno valutando soluzioni DLP basate sull’intelligenza artificiale, il consiglio tradizionale rimane valido, afferma Alexander. «Deve capire quali sono le sue esigenze: cosa desidera che faccia?» Dispone dei requisiti necessari? “La Sua azienda comprende i dati?” dice lei. «Tutto ruota attorno alle persone, ai processi e alla tecnologia. «La tecnologia è davvero straordinaria, ma è proprio a livello di implementazione e di investimenti nel supporto che possono sorgere dei problemi.»
